CN112035677B - 基于知识图谱的诈骗人员发现方法及装置 - Google Patents
基于知识图谱的诈骗人员发现方法及装置 Download PDFInfo
- Publication number
- CN112035677B CN112035677B CN202010916905.9A CN202010916905A CN112035677B CN 112035677 B CN112035677 B CN 112035677B CN 202010916905 A CN202010916905 A CN 202010916905A CN 112035677 B CN112035677 B CN 112035677B
- Authority
- CN
- China
- Prior art keywords
- person
- information
- personnel
- fraud
- attribute information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/18—Legal services; Handling legal documents
Abstract
本发明提供了一种基于知识图谱的诈骗人员发现方法及装置,该方法包括:根据受骗人信息,查询与受骗人有联系的关联人员;基于关联人员的属性信息,构建关联人员知识图谱;分析关联人员知识图谱中已确定的诈骗人员的属性信息与其他关联人员的属性信息的相关程度;确定属性信息的相关程度大于设定阈值的关联人员为诈骗人员。本发明可以及时准确地发现诈骗人员。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种基于知识图谱的诈骗人员发现方法及装置。
背景技术
随着网络金融不断发展,金融诈骗的方法除了传统的电话诈骗,网络诈骗也在不断兴起。确定诈骗人员的传统的方式是,受骗方被骗后,主动告知银行或者公安局,相关机构进行立案后开始进行调查,确定是否为诈骗行为,然后再采取相关措施(包括但不限于采用将诈骗团伙加入黑名单)。一旦受骗方被骗后,很难再将受骗资金追回,受骗方的损失影响较大。如果能够提前发现诈骗人员则可以大大减少诈骗概率。
发明内容
本发明实施例提出一种基于知识图谱的诈骗人员发现方法,用以及时准确地发现诈骗人员,该方法包括:
根据受骗人信息,查询与受骗人有联系的关联人员;
基于关联人员的属性信息,构建关联人员知识图谱;
分析关联人员知识图谱中已确定的诈骗人员的属性信息与其他关联人员的属性信息的相关程度;
确定属性信息的相关程度大于设定阈值的关联人员为诈骗人员。
本发明实施例提出一种基于知识图谱的诈骗人员发现装置,用以及时准确地发现诈骗人员,该装置包括:
关联人员查询模块,用于根据受骗人信息,查询与受骗人有联系的关联人员;
知识图谱构建模块,用于基于关联人员的属性信息,构建关联人员知识图谱;
相关程度分析模块,用于分析关联人员知识图谱中已确定的诈骗人员的属性信息与其他关联人员的属性信息的相关程度;
诈骗人员确定模块,用于确定属性信息的相关程度大于设定阈值的关联人员为诈骗人员。
本发明实施例还提出了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述基于知识图谱的诈骗人员发现方法。
本发明实施例还提出了一种计算机可读存储介质,所述计算机可读存储介质存储有执行上述基于知识图谱的诈骗人员发现方法的计算机程序。
在本发明实施例中,根据受骗人信息,查询与受骗人有联系的关联人员;基于关联人员的属性信息,构建关联人员知识图谱;分析关联人员知识图谱中已确定的诈骗人员的属性信息与其他关联人员的属性信息的相关程度;确定属性信息的相关程度大于设定阈值的关联人员为诈骗人员。在上述实施例中,发现诈骗人员时,基于关联人员知识图谱,充分挖掘出与受骗人有联系的关联人员,从而通过分析关联人员知识图谱中已确定的诈骗人员的属性信息与其他关联人员的属性信息的相关程度,确定诈骗人员,准确度更高,且效率快。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1为本发明实施例中基于知识图谱的诈骗人员发现方法的流程图;
图2为本发明实施例中一个关联人员知识图谱的示意图;
图3为本发明实施例中基于知识图谱的诈骗人员发现方法的详细流程图;
图4为本发明实施例中基于知识图谱的诈骗人员发现装置的示意图;
图5为本发明实施例中计算机设备的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白,下面结合附图对本发明实施例做进一步详细说明。在此,本发明的示意性实施例及其说明用于解释本发明,但并不作为对本发明的限定。
在本说明书的描述中,所使用的“包含”、“包括”、“具有”、“含有”等,均为开放性的用语,即意指包含但不限于。参考术语“一个实施例”、“一个具体实施例”、“一些实施例”、“例如”等的描述意指结合该实施例或示例描述的具体特征、结构或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。各实施例中涉及的步骤顺序用于示意性说明本申请的实施,其中的步骤顺序不作限定,可根据需要作适当调整。
图1为本发明实施例中基于知识图谱的诈骗人员发现方法的流程图,如图1所示,该方法包括:
步骤101,根据受骗人信息,查询与受骗人有联系的关联人员;
步骤102,基于关联人员的属性信息,构建关联人员知识图谱;
步骤103,分析关联人员知识图谱中已确定的诈骗人员的属性信息与其他关联人员的属性信息的相关程度;
步骤104,确定属性信息的相关程度大于设定阈值的关联人员为诈骗人员。
在本发明实施例中,发现诈骗人员时,基于关联人员知识图谱,充分挖掘出与受骗人有联系的关联人员,从而通过分析关联人员知识图谱中已确定的诈骗人员的属性信息与其他关联人员的属性信息的相关程度,确定诈骗人员,准确度更高,且效率快。
具体实施时,首先进行数据采集,包括银行系统和外部系统,在一实施例中,所述受骗人信息包括受骗人受骗时的行为信息、银行流水信息和资产信息中的至少一种,所述行为信息包括打电话信息和浏览网页信息。
在一实施例中,所述关联人员的属性信息包括电话、有联系的受骗人信息和浏览网页信息中的至少一种。
可见,可以从银行系统获得受骗人的银行流水信息和资产信息,从银行系统和外部系统获得受骗人受骗时的行为信息,可以是外部系统推送的,也可以是主动爬虫获得的,可以根据这些受骗人信息,从银行系统内部查询与受骗人有联系的关联人员,也可以从外部系统查询与受骗人有联系的关联人员,这样就可以基于关联人员的属性信息,构建关联人员知识图谱,当然,构建时还可以关联人员之间的关系,这些也可以从银行系统或外部系统获得。图2为本发明实施例中一个关联人员知识图谱的示意图。
在一实施例中,所述相关程度采用相似度表示;
分析关联人员知识图谱中已确定的诈骗人员的属性信息与其他关联人员的属性信息的相关程度,包括:
采用余弦相似度算法,计算关联人员知识图谱中已确定的诈骗人员的属性信息与其他关联人员的属性信息的相似度;
确定属性信息的相似程度大于设定阈值的关联人员为诈骗人员,包括:
确定属性信息的相似度大于设定阈值的关联人员为诈骗人员。
在上述实施例中,余弦相似度算法是指一个向量空间中两个向量夹角间的余弦值作为衡量两个个体之间差异的大小,余弦值接近1,夹角趋于0,表明两个向量越相似,余弦值接近于0,夹角趋于90度,表明两个向量越不相似。计算时,将关联人员的属性信息生成属性向量进行计算,例外,还可以从属性信息中提取关键特征进行,例如可以提取出受骗人数量、受骗人属性等,用关键特征生成属性向量,进一步提高计算的准确度。
基于上述实施例中,下面给出一个基于知识图谱的诈骗人员发现方法的详细流程图,如图3所示,包括:
步骤301,根据受骗人信息,查询与受骗人有联系的关联人员;
步骤302,基于关联人员的属性信息,构建关联人员知识图谱;
步骤303,采用余弦相似度算法,计算关联人员知识图谱中已确定的诈骗人员的属性信息与其他关联人员的属性信息的相似度;
步骤304,确定属性信息的相似度大于设定阈值的关联人员为诈骗人员。
当然,可以理解的是,还可有其他具体实施例,相关变化例均应落入本发明的保护范围。
综上所述,在本发明实施例提出的方法中,根据受骗人信息,查询与受骗人有联系的关联人员;基于关联人员的属性信息,构建关联人员知识图谱;分析关联人员知识图谱中已确定的诈骗人员的属性信息与其他关联人员的属性信息的相关程度;确定属性信息的相关程度大于设定阈值的关联人员为诈骗人员。在上述实施例中,发现诈骗人员时,基于关联人员知识图谱,充分挖掘出与受骗人有联系的关联人员,从而通过分析关联人员知识图谱中已确定的诈骗人员的属性信息与其他关联人员的属性信息的相关程度,确定诈骗人员,准确度更高,且效率快。
本发明实施例还提出一种基于知识图谱的诈骗人员发现装置,其原理与基于知识图谱的诈骗人员发现方法类似,这里不再赘述。
图4为本发明实施例中基于知识图谱的诈骗人员发现装置的示意图,如图4所示,该装置包括:
关联人员查询模块401,用于根据受骗人信息,查询与受骗人有联系的关联人员;
知识图谱构建模块402,用于基于关联人员的属性信息,构建关联人员知识图谱;
相关程度分析模块403,用于分析关联人员知识图谱中已确定的诈骗人员的属性信息与其他关联人员的属性信息的相关程度;
诈骗人员确定模块404,用于确定属性信息的相关程度大于设定阈值的关联人员为诈骗人员。
在一实施例中,所述受骗人信息包括受骗人受骗时的行为信息、银行流水信息和资产信息中的至少一种,所述行为信息包括打电话信息和浏览网页信息。
在一实施例中,所述关联人员的属性信息包括电话、有联系的受骗人信息和浏览网页信息中的至少一种。
在一实施例中,所述相关程度采用相似度表示;
相关程度分析模块403具体用于:采用余弦相似度算法,计算关联人员知识图谱中已确定的诈骗人员的属性信息与其他关联人员的属性信息的相似度;
诈骗人员确定模块404具体用于:确定属性信息的相似度大于设定阈值的关联人员为诈骗人员。
综上所述,在本发明实施例提出的装置中,根据受骗人信息,查询与受骗人有联系的关联人员;基于关联人员的属性信息,构建关联人员知识图谱;分析关联人员知识图谱中已确定的诈骗人员的属性信息与其他关联人员的属性信息的相关程度;确定属性信息的相关程度大于设定阈值的关联人员为诈骗人员。在上述实施例中,发现诈骗人员时,基于关联人员知识图谱,充分挖掘出与受骗人有联系的关联人员,从而通过分析关联人员知识图谱中已确定的诈骗人员的属性信息与其他关联人员的属性信息的相关程度,确定诈骗人员,准确度更高,且效率快。
本申请的实施例还提供一种计算机设备,图5为本发明实施例中计算机设备的示意图,该计算机设备能够实现上述实施例中的基于知识图谱的诈骗人员发现方法中全部步骤,所述电子设备具体包括如下内容:
处理器(processor)501、存储器(memory)502、通信接口(CommunicationsInterface)503和总线504;
其中,所述处理器501、存储器502、通信接口503通过所述总线504完成相互间的通信;所述通信接口503用于实现服务器端设备、检测设备以及用户端设备等相关设备之间的信息传输;
所述处理器501用于调用所述存储器502中的计算机程序,所述处理器执行所述计算机程序时实现上述实施例中的基于知识图谱的诈骗人员发现方法中的全部步骤。
本申请的实施例还提供一种计算机可读存储介质,能够实现上述实施例中的基于知识图谱的诈骗人员发现方法中全部步骤,所述计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述实施例中的基于知识图谱的诈骗人员发现方法的全部步骤。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于知识图谱的诈骗人员发现方法,其特征在于,包括:
根据受骗人信息,查询与受骗人有联系的关联人员;
基于关联人员的属性信息,构建关联人员知识图谱;
分析关联人员知识图谱中已确定的诈骗人员的属性信息与其他关联人员的属性信息的相关程度;
确定属性信息的相关程度大于设定阈值的关联人员为诈骗人员。
2.如权利要求1所述的基于知识图谱的诈骗人员发现方法,其特征在于,所述受骗人信息包括受骗人受骗时的行为信息、银行流水信息和资产信息中的至少一种,所述行为信息包括打电话信息和浏览网页信息。
3.如权利要求1所述的基于知识图谱的诈骗人员发现方法,其特征在于,所述关联人员的属性信息包括电话、有联系的受骗人信息和浏览网页信息中的至少一种。
4.如权利要求1所述的基于知识图谱的诈骗人员发现方法,其特征在于,所述相关程度采用相似度表示;
分析关联人员知识图谱中已确定的诈骗人员的属性信息与其他关联人员的属性信息的相关程度,包括:
采用余弦相似度算法,计算关联人员知识图谱中已确定的诈骗人员的属性信息与其他关联人员的属性信息的相似度;
确定属性信息的相关程度大于设定阈值的关联人员为诈骗人员,包括:
确定属性信息的相似度大于设定阈值的关联人员为诈骗人员。
5.一种基于知识图谱的诈骗人员发现装置,其特征在于,包括:
关联人员查询模块,用于根据受骗人信息,查询与受骗人有联系的关联人员;
知识图谱构建模块,用于基于关联人员的属性信息,构建关联人员知识图谱;
相关程度分析模块,用于分析关联人员知识图谱中已确定的诈骗人员的属性信息与其他关联人员的属性信息的相关程度;
诈骗人员确定模块,用于确定属性信息的相关程度大于设定阈值的关联人员为诈骗人员。
6.如权利要求5所述的基于知识图谱的诈骗人员发现装置,其特征在于,所述受骗人信息包括受骗人受骗时的行为信息、银行流水信息和资产信息中的至少一种,所述行为信息包括打电话信息和浏览网页信息。
7.如权利要求5所述的基于知识图谱的诈骗人员发现装置,其特征在于,所述关联人员的属性信息包括电话、有联系的受骗人信息和浏览网页信息中的至少一种。
8.如权利要求5所述的基于知识图谱的诈骗人员发现装置,其特征在于,所述相关程度采用相似度表示;
相关程度分析模块具体用于:采用余弦相似度算法,计算关联人员知识图谱中已确定的诈骗人员的属性信息与其他关联人员的属性信息的相似度;
诈骗人员确定模块具体用于:确定属性信息的相似度大于设定阈值的关联人员为诈骗人员。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至4任一项所述方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有执行权利要求1至4任一项所述方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010916905.9A CN112035677B (zh) | 2020-09-03 | 2020-09-03 | 基于知识图谱的诈骗人员发现方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010916905.9A CN112035677B (zh) | 2020-09-03 | 2020-09-03 | 基于知识图谱的诈骗人员发现方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112035677A CN112035677A (zh) | 2020-12-04 |
CN112035677B true CN112035677B (zh) | 2023-09-22 |
Family
ID=73591936
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010916905.9A Active CN112035677B (zh) | 2020-09-03 | 2020-09-03 | 基于知识图谱的诈骗人员发现方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112035677B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112200583B (zh) * | 2020-10-28 | 2023-12-19 | 交通银行股份有限公司 | 一种基于知识图谱的欺诈客户识别方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109816519A (zh) * | 2019-01-25 | 2019-05-28 | 宜人恒业科技发展(北京)有限公司 | 一种欺诈团伙识别方法、装置及设备 |
CN110110093A (zh) * | 2019-04-08 | 2019-08-09 | 深圳众赢维融科技有限公司 | 一种基于知识图谱的识别方法、装置、电子设备及存储介质 |
CN110111110A (zh) * | 2019-04-01 | 2019-08-09 | 北京三快在线科技有限公司 | 基于知识图谱检测欺诈的方法和装置、存储介质 |
CN110297912A (zh) * | 2019-05-20 | 2019-10-01 | 平安科技(深圳)有限公司 | 欺诈识别方法、装置、设备及计算机可读存储介质 |
CN110765117A (zh) * | 2019-09-30 | 2020-02-07 | 中国建设银行股份有限公司 | 欺诈识别方法、装置、电子设备及计算机可读存储介质 |
-
2020
- 2020-09-03 CN CN202010916905.9A patent/CN112035677B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109816519A (zh) * | 2019-01-25 | 2019-05-28 | 宜人恒业科技发展(北京)有限公司 | 一种欺诈团伙识别方法、装置及设备 |
CN110111110A (zh) * | 2019-04-01 | 2019-08-09 | 北京三快在线科技有限公司 | 基于知识图谱检测欺诈的方法和装置、存储介质 |
CN110110093A (zh) * | 2019-04-08 | 2019-08-09 | 深圳众赢维融科技有限公司 | 一种基于知识图谱的识别方法、装置、电子设备及存储介质 |
CN110297912A (zh) * | 2019-05-20 | 2019-10-01 | 平安科技(深圳)有限公司 | 欺诈识别方法、装置、设备及计算机可读存储介质 |
CN110765117A (zh) * | 2019-09-30 | 2020-02-07 | 中国建设银行股份有限公司 | 欺诈识别方法、装置、电子设备及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112035677A (zh) | 2020-12-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI706333B (zh) | 欺詐交易識別方法、裝置、伺服器及儲存媒體 | |
WO2020199621A1 (zh) | 基于知识图谱检测欺诈 | |
CN110414987B (zh) | 账户集合的识别方法、装置和计算机系统 | |
WO2022121145A1 (zh) | 一种基于图分类的以太坊网络钓鱼诈骗检测方法及装置 | |
CN103577323B (zh) | 基于动态关键指令序列胎记的软件抄袭检测方法 | |
CN110458686B (zh) | 用于确定借贷风险的方法及装置 | |
CN105243252A (zh) | 一种账户风险评估的方法及装置 | |
CN109274639A (zh) | 开放平台异常数据访问的识别方法和装置 | |
CN105389488A (zh) | 身份认证方法及装置 | |
CN110020851B (zh) | 一种支付环境监测方法、系统、终端及介质 | |
CN103297267A (zh) | 一种网络行为的风险评估方法和系统 | |
CN111683084A (zh) | 一种智能合约入侵检测方法、装置、终端设备及存储介质 | |
CN112035677B (zh) | 基于知识图谱的诈骗人员发现方法及装置 | |
TW201929481A (zh) | 一種身份認證方法、伺服器及用戶端設備 | |
CN109272378A (zh) | 一种风险群组的发现方法和装置 | |
CN113518075B (zh) | 网络诈骗预警方法、装置、电子设备、及存储介质 | |
CN112750038B (zh) | 交易风险的确定方法、装置和服务器 | |
CN114143035A (zh) | 知识图谱推荐系统的对抗攻击方法、系统、设备及介质 | |
CN111260372B (zh) | 资源转移用户群确定方法、装置、计算机设备和存储介质 | |
CN111476668A (zh) | 可信关系的识别方法、装置、存储介质和计算机设备 | |
EP4102772A1 (en) | Method and apparatus of processing security information, device and storage medium | |
CN107995167B (zh) | 一种设备识别方法及服务器 | |
CN114124460B (zh) | 工控系统入侵检测方法、装置、计算机设备及存储介质 | |
US20100014675A1 (en) | Appraising Systems With Zero Knowledge Proofs | |
CN113849813A (zh) | 数据检测方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |